MétaCan
Menu
Retour à la cohorte
Enregistrement W1968957815 · doi:10.1177/1078087410378844

Grappling with Governance: The Emergence of Business Improvement Districts in a National Capital

2010· article· en· W1968957815 sur OpenAlexaff
Nathaniel M. Lewis

Notice bibliographique

RevueUrban Affairs Review · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePublic Policy and Administration Research
Établissements canadiensQueen's University
Organismes subventionnairesUniversity of California, San Francisco
Mots-clésAccountabilityCorporate governanceRestructuringGovernment (linguistics)Local governmentBusinessDecentralizationEconomicsPublic administrationEconomic growthFinanceMarket economyPolitical science

Résumé

récupéré en direct d'OpenAlex

Business improvement districts (BIDs) constitute a relatively new mode of urban governance in which business and property owners pay surtaxes for collectivized, privatized maintenance and development services in their respective neighborhoods. Although they are typically considered an innovative means of improving urban areas—or at the very least a benign intervention of business owners to draw new consumers—the case of Washington, D.C., shows that BIDs are also an increasingly entrenched neo-liberal institution promoted by state restructuring and interurban competition. Given local conditions, such as a permissive legislative environment and fragmented governance, the proliferation, size, and influence of D.C.’s BIDs pose concerns about institutional accountability, socioeconomic inequality, and sustainability of services. Using a mixed-methods approach that integrates urban governance theory, performance metrics, and interviews with BID and D.C. government officials, this study finds that Washington’s BIDs have promoted revitalization but also pose concerns about limited public accountability, exacerbated socioeconomic and spatial inequalities, and further retreat of the municipal government.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,098
Score d'incertitude au seuil0,195

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,004
Communication savante0,0040,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,025
Tête enseignante GPT0,336
Écart entre enseignants0,311 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUrban Affairs ReviewMême sujetPublic Policy and Administration ResearchTravaux en français237 207